Reasoning model

Hvad er en reasoning model?

En reasoning model er en AI-model der er designet til at tænke sig igennem et problem (trin for trin) før den giver sit svar. Det er AI-verdenens svar på forskellen mellem at skyde fra hoften og at tænke sig grundigt om.

Standard sprogmodeller genererer svar token for token i en strøm: de forudsiger det næste ord baseret på det foregående, og svaret kommer ud i én kontinuerlig bevægelse. Det fungerer glimrende til mange opgaver: at skrive en e-mail, opsummere en tekst eller besvare et faktuelt spørgsmål. Men for komplekse problemer der kræver logisk ræsonnering, matematik, flertrinsprogrammering eller nuanceret analyse, viser denne tilgang sine begrænsninger.

Reasoning-modeller løser dette ved at introducere et ekstra trin: før modellen genererer sit endelige svar, tænker den igennem problemet i en intern ræsonneringsproces. Den nedbryder problemet, overvejer forskellige tilgange, kontrollerer sin egen logik og bygger sit svar op systematisk.

Resultatet er markant bedre performance på opgaver der kræver logik, matematik, kodning, videnskabelig analyse og kompleks beslutningstagning. Præcis de områder hvor standard sprogmodeller ofte fejler.

Hvordan fungerer reasoning-modeller?

Chain-of-thought ræsonnering

Fundamentet for reasoning-modeller er chain-of-thought (CoT). Evnen til at tænke trinvist igennem et problem. I stedet for at springe direkte til svaret, gennemgår modellen en eksplicit tankeproces:

Standard sprogmodel: Spørgsmål: “Hvad er 17 × 23?” Svar: “391”

Reasoning model: Spørgsmål: “Hvad er 17 × 23?” Tankeproces: “Jeg skal gange 17 med 23. Lad mig opdele det: 17 × 20 = 340. 17 × 3 = 51. 340 + 51 = 391.” Svar: “391”

For simple opgaver virker det overflødigt. Men for komplekse problemer (flertrinsligning, fejlfinding i kode, juridisk analyse) er den trinvise tankeproces afgørende for at nå det rigtige svar.

Intern deliberation

Moderne reasoning-modeller bruger en intern deliberationsproces der går ud over simpel chain-of-thought:

Problemanalyse: Modellen identificerer hvad der spørges om, hvilke begrænsninger der gælder, og hvilken type problem det er.

Strategivalg: Modellen overvejer forskellige tilgange til at løse problemet og vælger den mest lovende.

Trinvis løsning: Modellen arbejder sig igennem problemet trin for trin, bygger på hvert tidligere trin.

Selvkontrol: Modellen verificerer sine mellemresultater og kontrollerer sin egen logik. Hvis den opdager en fejl, kan den gå tilbage og korrigere.

Syntese: Modellen samler resultaterne til et kohærent, endeligt svar.

Træning af reasoning-modeller

Reasoning-modeller trænes anderledes end standard sprogmodeller:

Reinforcement learning (RL): Modellerne trænes med reinforcement learning der belønner korrekte svar nået gennem god ræsonnering. Det lærer modellen at den trinvise tankeproces fører til bedre resultater.

Process reward models: I stedet for kun at belønne det endelige svar, belønnes hvert korrekt trin i ræsonneringsprocessen. Det lærer modellen at værdien ligger i processen, ikke kun resultatet.

Syntetiske ræsonneringsdata: Modeller trænes på store datasæt af korrekte ræsonneringskæder: matematiske beviser, logiske udledninger, trin-for-trin problemløsning.

Distillation: Mindre modeller kan lære ræsonneringsevner fra større modeller ved at blive trænet på de større modellers ræsonneringsspor.

Eksempler på reasoning-modeller

OpenAI o-serien

OpenAI’s o-serie (o1, o3, o4-mini) var blandt de første bredt tilgængelige reasoning-modeller:

• o1: Den første dedikerede reasoning-model fra OpenAI. Markant bedre end GPT-4 på matematik, kodning og videnskabelig ræsonnering.
• o3: Næste generation med stærkere ræsonnering og lavere latens.
• o4-mini: En mindre, hurtigere og billigere reasoning-model til opgaver hvor fuld o3-kapacitet ikke er nødvendig.

Anthropic Claude med extended thinking

Anthropic’s tilgang integrerer reasoning direkte i Claude-modellerne via extended thinking:

• Claude kan aktivere en udvidet tænkeproces for komplekse opgaver
• Thinking tokens er synlige som en separat del af svaret
• Giver brugeren indsigt i modellens ræsonneringsproces
• Tilgængelig i Claude Sonnet og Opus med skalerbar tænketid

Google Gemini med thinking

Google’s Gemini-modeller inkluderer ligeledes reasoning-kapabilitet:

• Gemini 2.5 Pro og Flash inkluderer indbygget thinking
• Skalerbar tænketid afhængigt af opgavens kompleksitet
• Integreret i Google AI Studio og Vertex AI

DeepSeek-R1

DeepSeek’s open source reasoning-model:

• Fuldt open source med åbne vægte
• Trænet primært med reinforcement learning
• Demonstrerede at reasoning-kapabilitet kan opnås via RL alene uden omfattende supervised fine-tuning
• Tilgængelig for self-hosting og videre forskning

Hvornår skal man bruge en reasoning model?

Ideelle opgaver

Matematik og logik: Komplekse beregninger, ligningssystemer, sandsynlighedsberegninger, logiske puslespil. Reasoning-modeller reducerer fejlraten markant på matematiske opgaver.

Programmering: Fejlfinding i kode, arkitekturbeslutninger, implementering af komplekse algoritmer, refaktorering. Evnen til at tænke trinvist igennem kode er afgørende.

Videnskabelig analyse: Analyse af eksperimentelle data, hypotesedannelse, evaluering af evidens, tværfaglig syntese.

Strategisk beslutningstagning: Analyse af komplekse forretningsbeslutninger med mange variable, afvejning af fordele og ulemper, scenarieanalyse.

Juridisk og regulatorisk analyse: Fortolkning af komplekse regler, identifikation af konflikter mellem bestemmelser, vurdering af compliance.

Opgaver hvor standard modeller er tilstrækkelige

Tekstgenerering: Skrivning af e-mails, blogindlæg, marketingtekst. Her er kreativitet og sprogfærdighed vigtigere end logisk ræsonnering.

Opsummering: Sammenfatning af dokumenter, mødereferater, nyhedsartikler. Kræver forståelse men sjældent dyb ræsonnering.

Oversættelse: Sproglig overførsel fra ét sprog til et andet. Sprogfærdighed, ikke logik, er det primære.

Simpel Q&A: Faktuelle spørgsmål med direkte svar. Ingen trinvis ræsonnering nødvendig.

Klassifikation: Kategorisering af tekst, sentiment-analyse, emneidentifikation. Pattern matching snarere end ræsonnering.

Afvejningen: Kvalitet vs. hastighed og pris

Reasoning-modeller bruger flere tokens (og dermed mere tid og penge) fordi de genererer thinking tokens som en del af processen. Det betyder:

• Højere latens: Svartiden er længere fordi modellen tænker før den svarer
• Højere pris: Flere tokens genereret = højere API-omkostning
• Bedre kvalitet: For opgaver der kræver ræsonnering er svaret markant bedre

Den rigtige strategi er at bruge reasoning-modeller selektivt: til de opgaver hvor kvaliteten af ræsonneringen er kritisk, og standard modeller til alt andet.

Praktiske eksempler

Eksempel 1: Fejlfinding i software

Situation: En udvikler har en bug i et komplekst system med flere interagerende komponenter.

Standard sprogmodel: Ser på koden og gætter på den mest sandsynlige fejl baseret på mønstre. Rammer rigtigt i simple tilfælde men overser subtile interaktioner.

Reasoning model: Analyserer koden trinvist. Sporer dataflowet igennem komponenterne. Identificerer hvor tilstanden ændres uventet. Overvejer race conditions og edge cases. Kontrollerer sin analyse ved at mentalt “køre” koden med specifikke input. Finder den egentlige fejl. Ikke bare den mest oplagte.

Forskel: På benchmarks for kompleks fejlfinding (som SWE-bench) scorer reasoning-modeller markant højere end standard modeller.

Eksempel 2: Finansiel analyse

Situation: En CFO beder om en analyse af om virksomheden skal investere i et nyt produktionsanlæg.

Standard sprogmodel: Genererer en generel liste af fordele og ulemper. Nævner relevante faktorer men kvantificerer dem ikke præcist.

Reasoning model: Opbygger en struktureret analyse: (1) Beregner NPV baseret på forventede cashflows og kapitalomkostninger. (2) Modellerer break-even under forskellige efterspørgselsscenarier. (3) Vurderer risici kvantitativt: hvad sker der hvis råvarepriserne stiger 20%? (4) Sammenligner med alternativet (outsourcing, udvidelse af eksisterende anlæg). (5) Giver en nuanceret anbefaling med klare antagelser og følsomhedsanalyse.

Eksempel 3: Juridisk vurdering

Situation: En virksomhed vil vide om deres nye AI-produkt er compliant med EU AI Act.

Standard sprogmodel: Giver en generel oversigt over EU AI Act og nævner relevante artikler.

Reasoning model: Trinvis analyse: (1) Klassificerer produktet i henhold til AI Act’s risikokategorier. (2) Identificerer de specifikke krav der gælder for produktets risikokategori. (3) Gennemgår hvert krav og vurderer om produktet opfylder det. (4) Identificerer gaps og manglende dokumentation. (5) Foreslår konkrete handlinger for at opnå compliance med prioritering efter risiko og deadline.

Reasoning-modeller og benchmarks

Reasoning-modeller har fundamentalt ændret AI-benchmarks. Opgaver der tidligere blev betragtet som “for svære for AI” er nu inden for rækkevidde:

Matematik: På konkurrencematematik (som AIME) scorer reasoning-modeller på niveau med stærke gymnasieelever. Et spring fra near-zero til 80-90% korrekte svar.

Kodning: På programmeringskonkurrencer (som Codeforces) opnår reasoning-modeller ratings der svarer til stærke menneskelige programmører.

Videnskab: På ph.d.-niveau videnskabelige spørgsmål (GPQA) overgår reasoning-modeller gennemsnitlige domæneeksperter.

Generel ræsonnering: På ARC-AGI (et benchmark designet til at teste generel intelligens) har reasoning-modeller gjort betydelige fremskridt der førhen syntes uopnåelige.

Benchmarks fortæller ikke hele historien. Reasoning-modeller kan stadig fejle på opgaver der kræver common sense, kreativitet eller viden der ligger uden for deres træningsdata.

Begrænsninger

Latens og pris

Reasoning-modeller er langsommere og dyrere end standard modeller. Tænkeprocessen genererer hundreder til tusindvis af ekstra tokens. For realtidsapplikationer (chatbots, autokomplete, live-oversættelse) er dette en reel begrænsning.

Overtænkning

Reasoning-modeller kan overtænke simple opgaver. Hvis du spørger “Hvad er hovedstaden i Danmark?” behøver modellen ikke 500 thinking tokens for at nå til “København.” Moderne reasoning-modeller bliver bedre til at kalibrere tænketiden efter opgavens kompleksitet, men det er stadig en udfordring.

Hallucination under ræsonnering

Modellen kan ræsonnere overbevisende men basere sin logik på forkerte præmisser. En lang, velstruktureret tankeproces kan give falsk tryghed: “modellen har jo tænkt det grundigt igennem.” Kontrollér altid konklusioner mod fakta, uanset hvor overbevisende ræsonneringen ser ud.

Begrænset selvkorrektion

Selvom reasoning-modeller kan opdage og korrigere fejl i deres tankeproces, er de ikke perfekte til dette. De kan fastlåse sig i en forkert tilgang og fortsætte ad et blindspor i stedet for at tage et skridt tilbage og genstarte.

Fremtiden for reasoning-modeller

Reasoning-modeller repræsenterer et fundamentalt skift i hvordan AI-modeller løser problemer. Tendensen bevæger sig mod:

Skalerbar tænketid: I stedet for en fast mængde ræsonnering kan modellen bruge mere eller mindre tænketid afhængigt af opgavens kompleksitet. Svarende til at et menneske bruger mere tid på en svær opgave.

Integration i alle modeller: Reasoning-kapabilitet er ved at blive en standardfunktion i alle avancerede sprogmodeller, ikke en separat modeltype.

Tool use med ræsonnering: Reasoning-modeller der ikke bare tænker men også handler (kører kode, søger information, bruger værktøjer) som en del af deres ræsonneringsproces. Dette er fundamentet for AI-agenter.

Specialiserede reasoning-modeller: Modeller optimeret til specifik ræsonnering inden for domæner som medicin, jura, finans og ingeniørvidenskab.

Ofte stillede spørgsmål

Hvad er en reasoning model?

En reasoning model er en AI-model der er designet til at tænke trinvist og logisk igennem problemer før den genererer sit svar. I modsætning til standard sprogmodeller der forudsiger næste token direkte, bruger reasoning-modeller en intern tænkeproces (chain-of-thought ræsonnering) der nedbryder komplekse problemer i håndterbare trin. Det giver markant bedre resultater på opgaver der kræver logik, matematik, kodning og nuanceret analyse. Eksempler inkluderer OpenAI’s o-serie, Claude med extended thinking og Google Gemini med thinking.

Hvad er forskellen på en reasoning model og en standard sprogmodel?

Den primære forskel er at en reasoning model tænker før den svarer. En standard sprogmodel genererer svar token for token i en kontinuerlig strøm. Den forudsiger det næste ord baseret på det foregående. En reasoning model tilføjer et ekstra trin: den genererer først en intern tankeproces (thinking tokens) hvor den analyserer problemet, overvejer tilgange og kontrollerer sin logik, og genererer derefter sit endelige svar. Prisen er højere latens og omkostning. Gevinsten er markant bedre performance på komplekse opgaver.

Hvornår skal man bruge en reasoning model?

Brug reasoning-modeller til opgaver der kræver logisk ræsonnering, trinvis problemløsning eller præcis analyse: matematik, programmering, videnskabelig analyse, strategisk beslutningstagning, juridisk vurdering. Brug standard modeller til opgaver hvor hastighed og pris er vigtigere end dyb ræsonnering: tekstgenerering, opsummering, oversættelse, simpel Q&A, klassifikation. Den rigtige strategi er at bruge reasoning selektivt. Til de opgaver hvor kvaliteten af tænkningen gør en målbar forskel.

Er reasoning-modeller altid bedre end standard modeller?

Nej. Reasoning-modeller er bedre på opgaver der kræver logik og trinvis problemløsning, men de er langsommere, dyrere og kan overtænke simple opgaver. For mange daglige opgaver (at skrive en e-mail, opsummere en artikel, besvare et faktuelt spørgsmål) er en standard sprogmodel lige så god eller bedre, fordi den svarer hurtigere og billigere. Reasoning-modeller er et specialiseret værktøj der bør bruges til de rigtige opgaver, ikke en universel erstatning.